-1

この質問は、「画像のコレクションで最もカラフルな画像を見つける」で表現された私の問題に対する1つのアプローチを抽象化し、焦点を当てることを目的としています。

円のセットがあり、それぞれの円周に多数の点があると想像してください。ポイントが円の周りに均等に分布している円に高い評価を与えるメトリックを見つけたいと考えています。いくつかの点が 360 度全体に散らばっている円の方が優れていますが、ある領域の点の数が他の領域の点の数よりもはるかに多い円はあまり良くありません。

ポイント数に制限はありません。

2 つ以上の点が一致する場合があります。

偶然の点はまだ関連性があります。0° に 1 つの点と 180° に 1 つの点がある円は、0° に 100 個の点と 180° に 1000 個の点がある円よりも優れています。

円の周りに 1 度ごとに 1 つのポイントがある円は非常に優れています。円の周りに 0.5 度ごとに点がある円の方が優れています。

私の他の（色ベースの質問）では、標準偏差が有用であることが示唆されましたが、注意が必要です。これは良い提案ですか? 359° から 1° の近さに対応できますか?

4

2 に答える 2

2

これは、実際に達成したいものに大きく依存します。均等な分布が必要な場合は、円のすべてのポイントを取得して平均することができます。この平均が円の中心に近づくほど、より均一になります。配布。

ただし、ここでの注意点は、0° で 180 ポイント、180° で 180 ポイントの分布は、各角度で 1 つの点を持つ分​​布と同じくらい良いということです。これがあなたが望むものかどうかは、単に定義の問題です。

関連する、しかしもう少し複雑な概念は、幾何標準偏差の概念です: http://en.wikipedia.org/wiki/Geometric_standard_deviation

別の方法は、他の質問で提案されているように、すべての角度でのポイントの平均数を見て、各角度でポイントの数がそれからどれだけ逸脱しているかを確認します。

つまり、点が角度iffIにある角度のセットを と とします。そして。_{0..359}v_i = #points at angle i, for i in Ipifloor(p) == imean_v = (sum of v_i for i in I) / length(I)d_v_i = v_i - mean_v

これで、いくつかのメトリックを定義できます。

  1. maximum of abs(d_v_i) for i in I
  2. sum of abs(d_v_i) for i in I
  3. sqrt((sum of (d_v_i^2) for i in I) / length(I))(これは標準偏差です)

取得できるメトリクスは他にもたくさんあります。d_v_i に含まれる偏差を表す任意の数値でうまくいきます。最適なメトリックを決定するために、正確に何が必要かが問題です。

最後の注意点として、おそらくさまざまな入力セット間でメトリックを比較したい場合があります。つまり、さまざまな数のデータポイントを持つセットです。この場合、サイズの異なる画像です。おそらく、入力のサイズに応じてメトリックをスケーリングする必要があり、使用するメトリックによっては、さまざまな方法でスケーリングする必要がある場合があります。ただし、メトリックを検証する簡単な方法があります。画像のメトリックを計算してから、画像を別のサイズにスケーリングし、スケーリングされた画像に対して再度計算するだけです。もちろん、両方のメトリックは同じである必要があります。

于 2011-01-12T00:33:34.247 に答える
1

そこで、角度の違いを見ていきます。最初のステップは、円の周りのポイントを並べ替えることです。次に、隣接する角度の差の 2 乗を合計します。

したがって、p[0] が 0 度、p[1] が 10 度、p[2] が 20 度であると仮定しましょう。この場合、誤差は (10-0)^2 + (20-10)^2 + (360- 20)^2.

ポイント数で正規化するか、ポイント数の最適な間隔に基づいて各差を正規化することもできます (abs(difference)-optimal)^2

RGB や HSV だけでなく、知覚的な色空間を使用することも考えられます。

于 2011-01-11T13:48:48.210 に答える